komputer. Jika terdapat koefisien yang lebih besar dari 0,9, maka terdapat gejala multikoliearitas.
Untuk mengatasi masalah multikolinearitas, satu variabel independen yang memiliki korelasi dengan variabel independen lain harus dihapus.
Dalam ini model fixed effect yang ditransformasikan ke dalam model GLS, model ini sudah diantisipasi dari terjadinya multikolinearitas.
2. Uji Heteroskedastisitas
Menurut Ghozali dalam Rahmawaty 2014 deteksi heteroskedastisitas bertujuan menguji apakah dalam model regresi terjadi ketidaksamaan variance
dari residual suatu pengamatan ke pengamatan yang lain. Model regresi yang baik adalah tidak terjadinya heteroskedastisitas, maka kondisi ini disebut
homoskedastis. Akan tetapi jika berbeda, maka disebut heteroskedastis. Model regresi yang baik adalah model yang bersifat homoskedastis. Untuk mendeteksi
adanya heteroskedastis adalah dengan me-regress model dengan log residu kuadrat sebagai variabel terikat.
Ho : homoskedastis Ha : heteroskedastis
Apabila, probabilitas dari masing-masing variabel bebas lebih dari 0,05 maka terjadi penerimaan terhadap Ho. Sehingga tidak terdapat heteroskedastis
pada model tersebut atau hasilnya data dalam kondisi homosedastis.
H. Uji Hipotesis dan Analisis Data Panel
Metode analisis regresi data panel yang dipilih oleh penulis dalam menganalisis data dalam penelitian ini. Analisis data regresi data panel digunakan
untuk melihat sejauh mana pengaruh variabel-variabel bebas yang digunakan dalam meneliti Tingkat Ketimpangan Ekonomi yang ada di Pulau Jawa, Bali dan
Nusa Tenggara.
Menurut Basuki dan Yuliadi 2015 data panel pooled data diperoleh dengan cara menggabungkan data time series dengan cross section. Analisis
regresi dengan data panel memungkinkan peneliti mengetahui karakteristik antar waktu dan antar individu dalam variabel yang bisa saja berbeda-beda.
Ada tiga metode yang digunakan dalam pengolahan dalam data panel: a. Model Pooled Least Square Common Effect
Model ini dikenal dengan estimasi Common Effect yaitu teknik regresi yang paling sederhana untuk mengestimasi data panel dengan cara hanya
mengkombinasikan data time series dan crossection. Model ini hanya menggabungkan data tersebut tanpa melihat perbedaan antar waktu dan
individu sehingga dapat dikatakan bahwa model ini sama halnya dengan metode OLS karena menggunakan kuadrat terkecil biasa.
Dalam pendekatan ini hanya mengasumsikan bahwa perilaku data antar ruang sama dalam berbagai kurun waktu. Pada beberapa penelitian data panel,
model ini sering kali tidak pernah digunakan sebagai estimasi karena sifat dari model ini tidak membedakan perilaku data sehingga memungkinkan terjadinya
bias, namun model ini digunakan untuk perbandingan dalam pemilihan model yang lainnya.
